当前位置：首页 > news >正文

Python小知识点

news 来源：原创 2024/4/30 11:08:24

Python小知识点

文章目录

Python小知识点
- 一、Python
- 二、Pytorch
- - 1. torch.squeeze()
  - 2. torch.unsqueeze()
  - 3. torch.nn.functional.interpolate()
  - 4. view()
  - 5. torch.nn.function.kl_div()
- 三、Opencv
- 四、TensorFlow

最近发现好多东西经常不用就忘记了，所以写一篇，随手记录，并且不定时更新自己高频用到的，或者比较重要的小知识点

一、Python

二、Pytorch

1. torch.squeeze()

对张量降维

torch.squeeze(input, dim=None, out=None)

当dim没有设置时，默认为None，将输入张量形状中的1去除并返回，如果原始形状是（AB1C1D）,输出的形状是（ABCD）。当给定dim时，那么squeeze只发生在给定的维度上 （并且该维度必须为1），例如：输入形状是（A1B），如果squeeze（input，0），则张量不会变，只有用squeeze（input，1）形状才会变为（A*B）

2. torch.unsqueeze()

用于扩展张量维度 （1维变2维，2维变3维…），返回一个新的张量，对输入的既定位置插入维度1

torch.unsqueeze(input, dim, out=None)
# input(tensor): 输入张量
# dim(int):插入维度的索引
# out(tensor/optional):结果为张量

3. torch.nn.functional.interpolate()

实现插值和上采样
可以简单的理解为任何可以让你的图像变成更高分辨率的技术，最简单的方法是重采样和插值。

torch.nn.functional.interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None)
# input(tensor):输入张量
# size(int or Tuple[int] or Tuple[int, int] or Tuple[int, int, int]): 输出大小.
# scale_factor (float or Tuple[float]):指定输出为输入的多少倍数。如果输入为tuple，也要制定为tuple类型
# mode (str):可使用的上采样算法，有’nearest’, ‘linear’, ‘bilinear’, ‘bicubic’ , ‘trilinear’和’area’. 默认使用’nearest’
# align_corners (bool, optional) ：如果align_corners=True，则对齐 input 和 output 的角点像素(corner pixels)，保持在角点像素的值. 只会对 mode=linear, bilinear 和 trilinear 有作用. 默认是 False.

可用于重置大小的mode有：最近邻、线性(3D-only),、双线性, 双三次(bicubic,4D-only)和三线性(trilinear,5D-only)插值算法和area算法

4. view()

view是改变tensor的形状，返回具有相同数据但大小不同的新张量。

5. torch.nn.function.kl_div()

计算两个矩阵之间的kl散度

loss = F.kl_div(input,label,reduction,name)
# input:输入张量
# label：输入张量
# reduction：（可选）可用类型为‘none’ | ‘batchmean’ | ‘mean’ | ‘sum’，‘none’表示无reduction，‘batchmean’ 表示输出的总和除以批大小，‘mean’ 表示所有输出的平均值，‘sum’表示输出的总和。
# name（可选）